巧克力工艺口味评分集

这是一篇关于巧克力工艺口味评分集的思维导图，主要内容包括：结果呈现，分析执行，大纲规划，数据探查，数据获取。

巧克力工艺口味评分集

• 数据获取
  • 查看巧克力工艺口味评分数据集文件(chocolate_v2.csv)
• 数据探查
  • 查看数据基本信息、前几行，了解数据结构和内容
• 大纲规划
  • 数据预处理
  • 可可含量与评分的关系
  • 不同公司所在地的平均评分
  • 主要味觉分布
• 分析执行
  • 数据预处理：data_preprocessing函数用于处理数据中的缺失值，这里简单地将味觉相关列的缺失值用空字符串填充。
    • def data_preprocessing(df): # 处理缺失值，这里简单地用空字符串填充味觉相关的缺失值 df['first_taste'] = df['first_taste'].fillna('') df['second_taste'] = df['second_taste'].fillna('') df['third_taste'] = df['third_taste'].fillna('') df['fourth_taste'] = df['fourth_taste'].fillna('') return df
  • 可可含量与评分的关系：cocoa_percent_rating_relationship函数计算可可含量与评分的皮尔逊相关系数，并绘制散点图展示两者关系。
    • def cocoa_percent_rating_relationship(df): # 查看可可含量与评分的相关性，并保留两位小数 correlation = df['cocoa_percent'].corr(df['rating']).round(2) print(f'可可含量与评分的皮尔逊相关系数: {correlation}') # 设置图片清晰度 plt.rcParams['figure.dpi'] = 300 # 设置中文字体 plt.rcParams['font.sans-serif'] = ['WenQuanYi Zen Hei'] # 绘制散点图 plt.figure(figsize=(10, 6)) plt.scatter(df['cocoa_percent'], df['rating']) plt.xlabel('可可含量百分比') plt.xticks(rotation=45) plt.ylabel('评分') plt.title('可可含量与评分的关系散点图') plt.show() return correlation
  • 不同公司所在地的平均评分：avg_rating_by_location函数计算不同公司所在地的平均评分，找出平均评分最高和最低的五个公司所在地，并绘制柱状图进行展示。
    • def avg_rating_by_location(df): # 计算不同公司所在地的平均评分，并保留两位小数 avg_rating = df.groupby('company_location')['rating'].mean().round(2).reset_index() top_five_locations = avg_rating.nlargest(5, 'rating') bottom_five_locations = avg_rating.nsmallest(5, 'rating') print('平均评分最高的五个公司所在地：') print(top_five_locations) print('平均评分最低的五个公司所在地：') print(bottom_five_locations) # 绘制柱状图 plt.figure(figsize=(12, 8)) plt.subplot(2, 1, 1) plt.bar(top_five_locations['company_location'], top_five_locations['rating']) for i, v in enumerate(top_five_locations['rating']): plt.text(i, v, str(v), ha='center') plt.title('平均评分最高的五个公司所在地') plt.ylabel('平均评分') plt.subplot(2, 1, 2) plt.bar(bottom_five_locations['company_location'], bottom_five_locations['rating']) for i, v in enumerate(bottom_five_locations['rating']): plt.text(i, v, str(v), ha='center') plt.title('平均评分最低的五个公司所在地') plt.xlabel('公司所在地') plt.ylabel('平均评分') plt.tight_layout() plt.show() return top_five_locations, bottom_five_locations
  • 主要味觉分布：taste_distribution函数将所有味觉信息合并，统计每个味觉出现的次数，找出出现次数前十的味觉并绘制柱状图。
    • def taste_distribution(df): # 将所有味觉信息合并到一个 Series 中 all_tastes = pd.concat([df['first_taste'], df['second_taste'], df['third_taste'], df['fourth_taste']]) # 统计每个味觉出现的次数 taste_counts = all_tastes.value_counts().reset_index(name='次数').head(10) print('出现次数前十的味觉：') print(taste_counts) # 绘制柱状图 plt.figure(figsize=(10, 6)) plt.bar(taste_counts['first_taste'], taste_counts['次数']) for i, v in enumerate(taste_counts['次数']): plt.text(i, v, str(v), ha='center') plt.xlabel('味觉') plt.xticks(rotation=45) plt.ylabel('出现次数') plt.title('出现次数前十的味觉柱状图') plt.show() return taste_counts
• 结果呈现
  • 子主题
• 注意！！！chocolate_v2.csv数据文件路径